[論文レビュー] Resource-rational Task Decomposition to Minimize Planning Costs.

Carlos G. Correa, Mark K. Ho+2 more|arXiv (Cornell University)|Jan 1, 2020

Decision-Making and Behavioral Economics被引用数 2

ひとこと要約

この論文は、認知的リソースの使用を最適化するため、人々がタスクを部分タスクに分解する方法をモデル化するリソースに合理的なフレームワークを提案する。制限されたリソースの下で計画コストを最小化する表現問題として分解を形式化することで、モデルは人間の計画行動の主要な特徴を再現し、部分タスクの同定と階層的計画戦略のノーマティブな説明を提供する。

ABSTRACT

People often plan hierarchically. That is, rather than planning over a monolithic representation of a task, they decompose the task into simpler subtasks and then plan to accomplish those. Although much work explores how people decompose tasks, there is less analysis of why people decompose tasks in the way they do. Here, we address this question by formalizing task decomposition as a resource-rational representation problem. Specifically, we propose that people decompose tasks in a manner that facilitates efficient use of limited cognitive resources given the structure of the environment and their own planning algorithms. Using this model, we replicate several existing findings. Our account provides a normative explanation for how people identify subtasks as well as a framework for studying how people reason, plan, and act using resource-rational representations.

研究の動機と目的

• 人々がタスクをモノリシックに計画するのではなく部分タスクに分解する理由を説明すること。
• 認知的計画コストを最小化するリソースに合理的な表現問題としてタスク分解を形式化すること。
• 環境の構造と計画アルゴリズムに基づいて、人々がどのように部分タスクを同定し構造化するかのノーマティブな説明を提供すること。
• 単一の認知的効率の原則の下で、既存の階層的計画に関する知見を統合すること。
• リソースに合理的な表現を通じて、人間の推論、計画、行動を研究するためのフレームワークを提供すること。

提案手法

• 認知的リソース制約の下で計画コストを最小化する表現選択としてタスク分解をモデル化すること。
• ノーマティブな最適化フレームワークを用いて、表現の複雑さと計画効率のトレードオフを形式化すること。
• 環境の構造と既知の計画アルゴリズムを用いて部分タスクの同定を導くこと。
• 人間のタスク分解行動に関する既存の実験的知見を再現するためにモデルを適用すること。
• 計算コストと表現の明確さの両立を図る部分タスク構造を導出すること。
• 提案された分解戦略が制限された認知的リソースの下で効率的な計画をもたらすことを示すこと。

実験結果

リサーチクエスチョン

• RQ1 なぜ人々はタスクをモノリシックなタスク表現に対して部分タスクに分解するのか？
• RQ2 階層的計画において人々がどの部分タスクを形成するかを指導致す原則は何か？
• RQ3 環境の構造は人々のタスク分解の仕方に対してどのように影響を与えるか？
• RQ4 リソースに合理的な性質が、観察された人間のタスク分解のパターンをどの程度説明できるか？
• RQ5 計画アルゴリズムと表現選択が、タスク分解をどのように形作るか？

主な発見

• モデルは、人間のタスク分解に関する確立された実験的知見を成功裏に再現し、そのノーマティブなフレームワークの妥当性を検証した。
• 人々は、限られた認知的リソースを効率的に割り当てることで、計画コストを最小化する形でタスクを分解する。
• 部分タスクの同定は、表現の単純さと計算効率のバランスによってガイドされる。
• このフレームワークは、特定の分解構造が他のものよりも好まれる理由を原理的かつ一貫した説明を提供する。
• モデルは、環境の構造と人間の計画アルゴリズムの制約の両方が、分解選択を形作るのを説明している。
• リソースに合理的なタスク分解は、計画における認知的効率を最適化する一貫した戦略として浮き彫りになった。